【技术实现步骤摘要】
本专利技术属于机器人slam通信，具体是一种协同视觉同时定位与地图构建通信负载降低方法。
技术介绍
1、协同同时定位与建图cslam（collaborative simultaneous localization andmapping）是一种利用多个传感器或机器人之间的合作来实现实时定位和地图构建的技术。它结合了同步定位和地图构建两个关键任务，通过传感器或机器人之间的信息共享，可以提高定位的准确性和地图的完整性。
2、在传统slam中，单个机器人或传感器利用其自身的观测数据来同时估计自己的位置和构建环境地图。然而，在面对大型环境、复杂场景或长时间运行的情况下，单个机器人往往无法满足高精度和高效性的要求。因此，协同slam应运而生，通过多个机器人或传感器之间的合作，实现更强大和鲁棒的定位和地图构建性能。协同slam可以在多种领域中得到广泛应用。在机器人导航中，多个机器人可以共同构建环境地图并实现协同定位，以便在未知环境中进行导航和路径规划。在自动驾驶领域，多个车辆的协同slam可以相互辅助，提高定位的准确性和决策的可靠性。在增强现实中，多个传感器可以合作来建立虚拟对象与现实世界的对应关系，实现更精确的增强现实体验。
3、然而，协同slam面临一个挑战性的问题，即在带宽受限的应用中实现高效的数据通信。在许多实际场景中，如无线网络、低速网络或资源有限的设备，带宽是一种有限的资源。由于带宽限制，无法及时传输所有的观测数据和地图信息。这可能导致数据的丢失，降低定位的准确性和地图的完整性。同时，传输延迟增加会增加数据
4、虽然已有的工作，例如采用算术二进制编码算法，将传感器或机器人的观测数据和特征点压缩为更小的尺寸，通过将符号或数据源中的符号映射到二进制编码来减少数据传输的带宽，但该方法的压缩率很有限，能够节省的带宽占用并不多，而且只适用于特定的框架，并不具有可移植性。另一方面，由于不是所有的观测数据和地图信息对机器人都是必需的，根据任务需求和系统约束有选择地传输数据或筛选冗余数据，减少不必要的数据传输，降低通信负载，但现有的策略在有选择地传输数据后，建图精度也相应的降低，造成框架性能的下降。因此寻找一个合适的解决方案降低协同slam通信负载具有重要意义。
技术实现思路
1、本专利技术为了解决上述问题，提出了一种协同视觉同时定位与地图构建通信负载降低方法。
2、本专利技术采取以下技术方案：一种协同视觉同时定位与地图构建通信负载降低方法，包括：
3、s1：对采集的视频图像序列生成地图点进行部分剔除，消除cvslam中的冗余地图信息；
4、s2：对剔除部分地图点的视觉信息进行压缩，降低视觉信息从智能体端传送到服务器端所需的通信带宽；
5、s3：服务器端接收到压缩后的视觉信息，将接收到的被压缩的信息进行解压缩，还原成后续建图步骤可以识别的视觉信息。
6、步骤s1包括：
7、s11：利用采集地图视频图像序列中的关键帧构建一个有向流图，将地图点侧和关键帧侧的连通性配置为二分图g=( ,e),即由顶点和边构成的图结构，包括源点、汇点、和两个不同的点集合；
8、s12：在二分图中，源点和地图点顶点集合之间构建边，通过计算源点和地图点集合构建的边上的成本函数，来表示每个地图点的空间可见性，空间可见性越大的地图点顶点上的边成本越小，以选择空间可见性大的地图点；
9、s13：在二分图中，地图点顶点集合和关键帧顶点集合构建边，通过计算地图点顶点集合和关键帧顶点集合构建的边上的成本函数，来表示每个地图点的空间多样性，空间多样性越大的地图点对应的顶点上的边成本越小，以选择空间多样性大的地图点；
10、s14：在二分图中，关键帧顶点集合和汇点间构建边，通过计算关键帧顶点集合和汇点构建的边上的成本函数，来计算每个地图点的关键帧对的基线距离，基线距离大的关键帧对顶点上的边成本小，以选择基线距离小的关键帧观测到的地图点；
11、s15：取满足步骤s12、s13以及s14期望条件的点。
12、步骤s12包括：计算源顶点和地图点节点连接的边上的成本函数
13、
14、式中，n表示观测与连接到源顶点的地图点节点相关联的点的帧数，的值为1， cc为连接源顶点和地图点节点的边上的成本方程。
15、步骤s13包括：
16、
17、其中表示帧上附件关键点的数目， cs为连接地图点节点和关键帧对节点的边上的成本方程。
18、步骤s14包括：
19、计算，式中的为关键帧对的基线距离； cb为连接关键帧对节点和汇顶点的边上的成本方程。
20、步骤s15包括：
21、用最小成本最大流算法来计算从源点到汇点的最大流，来最小化总成本，是连接顶点的边上的流量（flow），指代 cc， cs， cb，即该边上单位流量的成本，流量在满足容量约束的条件下，使总的成本小于阈值的点，即最大化空间可见性、最大化空间多样性、最大化关键帧基线距离的点。
22、步骤s2包括：
23、s21：收集待传输的信息，包括地图点集、关键帧集、以及各自的id；
24、s22：将收集到的信息序列化为字节流作为zstd压缩的输入；
25、s23：创建zstd压缩器，设定压缩器中的压缩参数；
26、s24：使用配置好的zstd压缩器对序列化后的字节流进行压缩；
27、s25：封装压缩数据，便于协同slam框架服务器端解析和处理压缩数据，将相关信息填充到数据包结构中。
28、步骤s3包括：
29、s31：协同slam框架服务器端接收来自智能体端发送的经过zstd压缩的数据包；
30、s32：解析收到的压缩包以提取相关信息，判断数据包是否采用了zstd压缩，若采用了zstd压缩，则获取原始数据类型、原始数据大小、压缩数据大小以及压缩数据；
31、s33：根据发送端设定的压缩参数，配置解压器中的解压参数；
32、s34：反序列化解压数据，将解压后的字节流数据使用ros反序列化工具反序列化为原始信息；
33、s35：将反序列化后的原始信息重新整合到ccmslam协同slam框架中，进行节点间的数据同步和协同处理。
34、与现有技术相比，本专利技术具有以下有益效果：
35、本文档来自技高网...
【技术保护点】
1.一种协同视觉同时定位与地图构建通信负载降低方法，其特征在于，包括：
2.根据权利要求1所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤S1包括：
3.根据权利要求2所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤S12包括：计算源顶点和地图点节点连接的边上的成本函数:
4.根据权利要求3所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤S13包括：
5.根据权利要求4所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤S14包括：
6.根据权利要求5所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤S15包括：
7.根据权利要求1所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤S2包括：
8.根据权利要求1所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤S3包括：
【技术特征摘要】
1.一种协同视觉同时定位与地图构建通信负载降低方法，其特征在于，包括：
2.根据权利要求1所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤s1包括：
3.根据权利要求2所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤s12包括：计算源顶点和地图点节点连接的边上的成本函数:
4.根据权利要求3所述的协同视觉同时定位与地图构建通信负载降低方法，其特征在于，所述步骤s13包括：...
【专利技术属性】
技术研发人员：程兰，张卫强，续欣莹，阎高伟，任密蜂，张喆，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。